ї системи і їх супутників за проектом В«Марс-96В» спільно з вченими ІРЕ був розроблений і встановлений на космічному апараті довгохвильовий радар для глибинного зондування грунту та іоносфери Марса в діапазоні робочих частот від 0,2 до 5 МГц. Основною перешкодою до широкому використанню радіолокаторів в геологічній розвідці земних надр є сильне поглинання радіохвиль в грунті через наявність у ній води. Однак на інших планетах і космічних тілах вода практично відсутня, тому глибина проникнення може бути вельми великий. Основною метою експерименту В«Марс-96В» було дослідження висотного розподілу електронної концентрації іоносфери Марса, вимірювання діелектричних властивостей грунту на різних глибинах вздовж траси дрейфу космічного апарату, виявлення глибинної структури полярних областей. [2,15,18]
1.2 Недоліки сучасних методів обробки даних дистанційного зондування
На даний момент у світі існує досить велика кількість теорій, які самі по собі вірні, але за деяких умов не виконуються, дають збій. Напевно, ще не існує універсального способу або методу для визначення тих чи інших характеристик. Також і в радіометрії. Є безліч моделей, деякі різні, деякі майже однакові. Для прикладу можна розглянути характеристики грунту, які треба враховувати, а якими можна нехтувати.
В ідеальному випадку ми вважаємо, що градієнт температури невідомий, це є функція, яку можна тільки апроксимувати більш простий, але точно задати неможливо. Або розбивати грунту на шари, бажано нескінченно малі і визначати температуру кожного шару. Також слід чинити з комплексної діелектричної проникністю (КДП) і хвильовим числом, яке виражається через КДП. Залежить від КДП і коефіцієнт відбиття кожного шару, але цю залежність можна визначити з допомогою простого математичного апарату. Вологість кожного шару також потрібно враховувати і визначати. ​​
Не треба забувати, що грунт - це неоднорідна середу. У грунті зустрічаються камені, піщинки, живі організми, мертві організми, вода, трава, величезна кількість природних ресурсів та багато іншого. Кожна складова грунту має свою КДП, хвильове число, вологість, температуру, коефіцієнт відбиття. Тобто для завдання алгоритму за розрахунком яркостной температури і відбиває здатності треба кожен шар розбивати на багато підшарів. Таке завдання параметрів грунту дуже сильно ускладнює роботу і зводить її до нездійсненною, бо всі врахувати неможливо, причому наука далеко ще не все знає про навколишнє нас природі (Середовищі). Також на поверхні грунту існують шорсткості, нерівності, рослинність, органічні сполуки (живі істоти). Залежно від географічного розташування змінюються характеристики середовища, а також кут під яким ростуть рослини на поверхні, вид рослин (наскільки сильно вони поглинають тепло, як глибоко коріння припадають в грунт і інші фактори). Навіть якщо врахувати всі відомі залежності й закономірності максимально точно, то завжди буде якесь допущення, спрощення. Для цього і створено це безліч моделей, які враховую одне, досконально прораховуючи всі можливі варіанти, і не враховують іншого.
Моделі, використовувані при тематичної обробці радарних або радіометричних зображень, можна умовно поділити на два класи: фізичні та статистичні. Фізичні моделі будуються на основі знання закономірностей власного випромінювання або розсіювання хвиль. Вони містять функціональні співвідношення, зв'язують сукупність геофізичних параметрів досліджуваного природного об'єкта з вимірюваними характеристиками прийнятого мікрохвильового випромінювання. Це дозволяє побудувати кількісні алгоритми відновлення з використанням математичних методів розв'язання обернених задач, відповідних формі знайдених функціональних співвідношень. Статистичні моделі не містять апріорних функціональних співвідношень. Вони розраховані на отримання статистичних оцінок геофізичних параметрів за допомогою вибіркових значень для конкретної сукупності характеристик електромагнітних полів, що утворюються в процесі зондування, і геофізичної інформації, яка збирається з тестових ділянок. Цей підхід широко використовує навчання за вибірками і нейронні мережі. Побудова статистичних моделей трудомістке, і вони зазвичай справедливі для конкретних природних об'єктів. Однак зважаючи на складність процесів власного випромінювання і розсіювання електромагнітних хвиль при побудові фізичних моделей для більшості реальних природних об'єктів часто зустрічаються непереборні труднощі. Тому в даний час використовуються обидва види моделей в залежності від складності зондіруемой природних комплексів. У ряді випадків застосовуються комбіновані моделі, в яких використовуються як елементи статистичних оцінок, так і фізичні закономірності взаємодії хвиль з природним середовищем.
2. Необхідність використання нейронних мереж у моделюванні динаміки яркостной температури землі при дистанційному зондуванні землі <...
